AI 越強，我反而越不焦慮了。

幾年前，電腦剛開始會說話的時候，相信我們很快就會面對無所不能的機器，似乎是合理的。對我這種靠在網路上寫字維生的人來說，感覺遲早得在口袋裡裝滿石頭，慢慢走進海裡了。

但當我們的電子神明步履蹣跚地朝舊金山走去、即將誕生之際，我們得以更近距離地觀察它，而它並不完全如我當初所恐懼的那樣。我並不覺得自己擁有隨傳隨到的全能力量。相反地，我可以和一個無限的半調子聰明人對話：一個隨時待命、知識淵博的跟班，但要說聰明？嗯，算是，也不算是，用一種很詭異的方式。

即使它已經學會數「strawberry」這個字裡有幾個「r」，即使它已經不再叫人在披薩上塗膠水，它能力核心的那個大洞，依然跟 2022 年時一樣大，而且絲毫沒有縮小的跡象。我之所以知道，是因為那個洞正是我安身立命的地方。

天才 G 因子

有些問題有明確的邊界和可驗證的解答，例如「38,126 的立方根是多少？」。這類問題需要的是客觀智力。另一些問題則模糊、鬆軟，根本不清楚你是否已經解決了它，甚至不清楚它是否存在，例如「我該如何過上好的人生？」。這類問題需要的則是主觀智力。客觀智力可以被訓練、被強化、被驗證。主觀智力不行。

很不幸地，人們用同一個詞來指稱這兩種能力，儘管它們其實毫無關聯。諷刺的是，這本身就是客觀智力壓過主觀智力的一個例子：這兩種能力明明直觀上就截然不同，但一個世紀以來的心理學研究卻「證明」只有其中一種存在。心理學家一再發現，所有的智力測驗彼此之間都高度相關，即使你表面上想測的是「多元智慧」。數字不會說謊，而它們都指向同一個結論：只存在一種智力，也就是所謂的g因子。

問題在於，任何智力測驗，測的永遠都只有客觀智力。「我該如何過上好的人生？」不是一道選擇題。一次又一次地「發現」g 因子，就像每次都在同一盞路燈下找東西，然後很驚訝地發現每次都找到同一塊人行道一樣。

AI 就是純粹的客觀智力。這就是為什麼每個新模型問世時，附上的不是出生證明，而是一張成績單：

人工超級智慧的承諾，建立在「客觀智力是唯一的智力」這個想法上。或者，就算存在多種形式的智力，它們也是可以互換的。要當一個 AI 極大化主義者，就得相信我們是在玩《卡坦島》的規則：只要你擁有足夠多的某一種資源，就能拿去交換任何其他資源。只要你擁有無限的客觀智力，你就擁有無限的一切。

所以我們該問：這種一廂情願的想法，到目前為止運作得如何？

空衣櫥

要判斷機器的主觀智力很難，一方面是因為主觀智力本身就很難判斷，另一方面是因為大型語言模型所佔據的存在切片實在太小。當你遇到一個能在腦中解二次方程式，卻保不住工作也維繫不了關係的人，你就知道他腦袋裡少了些什麼。但機器沒有可以搞砸的人生，所以我們能看的，就只有它們說出來的話。而只要它們把幾句話串在一起，就很清楚哪裡不對勁了。

寫作是一項同時需要客觀與主觀智力的任務。大型語言模型在客觀的部分拿滿分，就像它在每一場考試中都拿滿分一樣；你在文法、語意或句法上挑不出它的毛病。但好的寫作還需要一點額外的靈氣，讓文字活起來、呼吸起來，那是一種內在的光，無法被量化，也無法列成檢核表。即使 AI 現在已經能產出拿 A 的五段式作文，那道光也從未亮起。

這件事最令人驚訝的是，在乎文字的人對此竟有如此高度的共識。Jasmine Sun、Erik Hoel 和 Sam Kriss 都是截然不同的寫作者——Sun 是科技記者／人類學家，Hoel 是神經科學家／小說家，而 Kriss……嗯，他的自我介紹寫著他是「一名作家，也是你的敵人」——然而他們三人最近都發表了文章，得出了完全一致的結論：大型語言模型寫出來的東西很糟。（Sun 在《The Atlantic》、Hoel 在他的 Substack 上、以及Kriss 在《紐約時報》上。）

我同意他們。AI 能摺疊蛋白質、架設網站、幫期刊論文做事實查核等等，固然很酷，但它寫不出任何我想讀的東西。問題不在於它會產生幻覺或犯錯。問題在於它寫的每一樣東西都隱隱讓人覺得很爛。我把眼睛拖過那些文字，什麼也感覺不到。其實這樣說不太準確——我感覺到的是：「希望這趕快結束。」當我看到機器自以為有洞見的想法時，我會皺起眉頭。跟電腦對話就像喝了一口滾燙的咖啡：一直喝下去，你會喪失味覺。

很難精確描述機器到底少了什麼。你有沒有愛過一個曾經也愛你、後來卻不再愛你的人？你有沒有注意到他們眼中的光是如何黯淡下來的？你有沒有留意到太陽穴那道細微的皺紋消失了——那道能區分真笑與假笑的皺紋？你有沒有察覺到，自己不再是被關心，而只是被敷衍？當你意識到發生了什麼的那一刻，你就從魔法中老去了——有一天你還爬進衣櫥通往納尼亞，隔天再打開衣櫥，裡面就只剩衣架。和 AI 對話就有點像那樣，只是少了前面美好的那一段。

當然，這個比喻字面上完全是無稽之談。儘管古代經院學者可能有那樣的主張，但沒有人的眼睛後面真的有光。儘管你的普心教授可能那樣告訴過你，有些人就是能把假笑裝得天衣無縫。我沒有衣櫥，也從沒見過獅子或女巫。然而任何人都能理解這個類比——他們知道被甩是什麼感覺，至少知道被拒絕是什麼感覺。文字本身並不包含那種感覺——它們是一份食譜，用來在你自己的腦中創造出那種感覺，用你手邊現有的經驗拼湊出正確的情緒組合。如果我寫得夠好，在你心中產生的主觀體驗，或許會類似於在我心中最初產生的那個，但永遠不會完全相同，因為我們使用的材料不同。1

電腦對這一切一無所知。它也不可能知道。它只能讀食譜，卻嚐不到料理。客觀知識能讓你的句子正確，卻不能讓它們活起來。沒有主觀知識，你很快就會撞上一道牆。而不像 AI 過去跨越的所有高牆，這一道牆是無法靠擴大規模來克服的——無論是字面上的還是比喻上的——因為這是一道你無法描述其寬度、也看不見其高度的牆。

一起撞牆吧

那道牆是我至今還在這裡的唯一原因。

我寧死也不願讓電腦幫我寫文章，但我當然會想知道它能不能做到，以防我需要開始收集口袋裡的石頭、尋找最近的海。所以我時不時會測試一下，看看頂尖的 AI 模型能不能比我更像我。結果聽起來像是一個後腦勺遭受重擊、在醫院休養多年的我，而那家醫院的 Wi-Fi 不知為何只能上 LinkedIn。我不會在這裡轉貼那些文字，因為它們甚至還不到有趣的爛，而且你在網路上早就看過無數次了：無法凝聚的隱喻、只要你不細想就好像很有洞見的修辭、以及那種氣喘吁吁地堅持每一句話都是重大發現的語氣。

如果有學生交給我一篇聽起來像這樣的文章——而且我確定是他自己寫的——我會不知從何改起。我大概會叫他先別寫了，去讀幾本老小說，或去做一份爛工作，或背著背包到世界的另一端去闖闖。但那會是個爛建議，因為我認識一些人，他們為了讓自己變得更有趣，把這些事全都做過了，卻還是沒用。所以我或許會改口問他：「你有沒有考慮過往顧問業發展？」

很難描述該如何改進 AI 的寫作，這件事本身——當然——正是問題所在。你無法為它做錯的地方打分數，而你無法衡量的東西，就無法將其最小化。這就是那道牆。

當然，我覺得這很幸運，但也覺得很好笑，因為我跟機器之間的對決，本應毫無懸念。我沒有讀過整個網際網路，甚至也沒讀過多少書。我沒有一支史丹佛博士團隊日夜不休地讓我更會工作。沒有人在我身上投資2.5 兆美元。照理說，我應該早就死在西維吉尼亞的某個地方，在一場像約翰·亨利那樣的對決中輸給 Claude Opus 4.6 後心臟爆裂而亡才對。但我現在還能寫我的小文章，只因為在那些資料中心的任何一處，都找不到恰好出現在我腦殼裡那塊笨肉團中的那些特定想法。

我本想說，機器現在知道輸給一個亂按按鈕的 10 歲小孩、在《任天堂明星大亂鬥》中落敗是什麼感覺，但它們真的不知道那是什麼感覺，而且永遠也不會知道。只能說活該吧，我猜，當 AI 迎來它的天網時刻、派出成群的殺人無人機來滅絕人類時，它們會發現我正在大笑。

塞滿超級穩定天才的資料中心

光靠客觀智力，你能走多遠？

我想我們對這個問題已經有了不錯的答案，因為我們已經看過那些客觀智力很高、主觀智力卻很低的人類會有什麼下場。我們以前把這種人叫做書呆子，他們最有名的就是被人把頭壓進馬桶裡。2

在我成長的年代，這個悖論是情境喜劇用不完的梗——如果你們書呆子這麼聰明，為什麼不想辦法讓自己受歡迎一點？創業家／散文家 Paul Graham 在 20 年前提起了這個問題，並得出結論：書呆子一定是不想受歡迎。他們忙著看 Neal Stephenson 的小說、跑 D&D 團，根本沒空分出一點腦力來思考怎麼讓自己的頭遠離馬桶。

我不同意。我高中認識的書呆子——包括我自己——總是在策劃一些異想天開的計畫來提升社交地位。只是都沒用。（「只要讓她們看到我背得出幾個州首府，所有女生都會想跟我去 Homecoming 舞會！」）我們無法用聰明才智讓自己受歡迎，因為我們的聰明用錯了地方。

書呆子在高中畢業後通常混得比較好，但環顧四周：這個世界並不是由那些贏得全州拼字比賽的人在運轉。書呆子不斷輸給那些魅力十足、卻一無所知的傢伙，我敢打賭，他們連幾個州首府都背不出來。如果成功只需要客觀智力，那麼 Mensa 應該是光明會，而不是一個給知道很多位圓周率的人參加的聯誼社。3

事實上，有一位 Mensa 會員特別能說明這個問題。在 Scott Alexander 為《呆伯特》作者 Scott Adams所寫的悼詞中，他指出 Adams 除了畫《呆伯特》漫畫之外，做什麼都失敗。以《呆伯特》為主題的捲餅（「Dilberito」）慘敗，他的餐廳倒閉，他寫的宗教書籍尷尬又難以下嚥。4 顯然，Adams 相當可觀的智力，只夠用來畫一些打領帶的傢伙和尖頭老闆。

在對 Adams 的這番省思中，Alexander 提到：

每隔幾個月，舊金山就會有一群聰明的書呆子產生同樣的想法：我們要用智力來駭進自己，讓自己變得又帥又勤奮又有魅力又有說服力，然後收割這一切帶來的好處！這個想法如此誘人，根本沒有任何理由會失敗，而灣區的每一間瑜伽教室和每一間心理諮商所後面，都有一個小棚子，裡面堆著前一萬個嘗試這麼做的聰明書呆子的頭骨。

如果你認為智力就是一整塊未經加工的解題能力，那麼灣區那幫人和像 Scott Adams 這樣的人會陷入無限自我打臉的循環，應該會讓你感到驚訝。但如果你承認至少存在兩種智力，這件事就沒那麼令人困惑了。這就是在某方面非常聰明、在另一方面卻非常愚蠢的樣子。

不只是客觀智力無法轉化為「情緒」智力或社交手腕或隨便你怎麼稱呼它的東西。看起來，要把客觀智力轉化為任何其他認知能力，都非常困難，甚至根本不可能。

舉例來說，我大學時有個同學超聰明，但他什麼事都無法準時完成。他會考試遲到。他的成績一落千丈，因為他寫完了報告卻忘了交。他會跟教授約時間要把事情處理好，然後又放人家鴿子。

我以前總在想：這傢伙為什麼不用他的大腦讓自己變得更負責一點？人生不就是一場大型的角色扮演遊戲，而智力不就是可以隨意分配到五大性格特質中任何一項的經驗值嗎？

顯然，事情不是這樣運作的。這就是為什麼我不認為宇宙是按照《卡坦島》的規則在運轉，也不認為更具客觀智力的機器會自然而然地產生出所有其他種類的智力。

到了這個地步，AI 狂熱派唯一的希望，就是我們目前的客觀智力還不夠多。沒錯，我們或許無法用四單位的客觀智力換一單位的主觀智力，但如果是四十億單位呢？如果我們讓機器把整個網際網路再讀第二遍呢？如果不再讓三年級的小朋友做什麼清教徒立體模型，而是讓他們用靈巧的小手去多做幾片 Nvidia 晶片呢？

Anthropic 的執行長向我們承諾一座「資料中心裡的天才之國」。也許真的會實現！或者，也許我們會發現那座資料中心裡其實裝滿了一整個國家的 Scott Adams。無論如何，至少我們可以期待更多口味的 Dilberito。

瓶頸盲

當然，我這樣說有點不公平。《呆伯特》客觀上是一部非常成功的漫畫，而客觀智力客觀上也非常有用。歸根究柢，我認為擁有更多客觀智力終究會是一件好事。但我猜，我們很快就會發現，我們的許多問題並不是受限於客觀智力的不足。

舉例來說，有些人希望 AI 能為停滯不前的科學領域電擊急救，全面帶來科學革命。我也希望這能發生。但我很懷疑光靠注入客觀智力就能達成，因為過去注入類似能力的嘗試也沒有成功。

當我的博士指導教授還在念研究所時，他真的得打電話給別人，一個個問對方是否願意參加心理學實驗。如果一個學期能找到 30 個受試者，他就算是大豐收了。像 Sona 這樣的受試者池管理軟體讓這個過程快了一倍，而後來的 Amazon Mechanical Turk 則讓它快了 1000 倍。同時，Google Scholar 把原本要在圖書館耗上半天的時間，變成了兩秒鐘的搜尋，而像 SPSS 和 R 這樣的統計軟體，則讓資料分析變得飛快。

這一切本應讓心理學的進展大幅加速，但並沒有。我認為我們是否真的取得了多少進展，本身就值得懷疑。所以我不樂觀地認為，再增加一項節省人力的技術就能讓我們擺脫困境。已經有人在說大型語言模型能寫出一篇像樣的社會科學論文；不幸的是，我們的問題不是論文產量太少。科學是一個強連結問題——我們需要的是新的典範，而不是更高聳的期刊論文高塔。

在其他領域，情況有所不同。如果你已經有了典範，所缺的只是一支研究助理大軍，或是一座可以 24 小時運轉的自動化實驗室，或是一個能幫你跑十億次迴歸、不知疲倦的研究生，那你就走運了。在那些情況下，無限的客觀智力理應能大大加速進展，而且事實上，它已經做到了。

但你跑得越快，就越快撞牆。我曾在不同時期面對過上述所有的限制，而每當我克服其中一個，馬上就會被另一個障礙卡住。我想我們所有人都患有這種瓶頸盲：我們以為當前的瓶頸就是唯一的瓶頸。當你手頭很緊時，你會覺得所有問題都是錢的問題。但當你口袋裡有了點錢，你才發現你真正需要的是時間。騰出一點時間後，你又發現自己其實缺乏動力。找到動力後，你才意識到你缺少的是點子。接著你需要方向，然後需要紀律，然後需要認同，一路無止盡地循環下去。

一旦客觀智力變得便宜到無需計量，我們就會撞上其他那些依然昂貴、仍需精打細算的瓶頸。如果我說得對，現實並非由《卡坦島》的規則所支配，那麼我們將無法把客觀智力轉換成撬開那些瓶頸所需的任何東西。人類奮鬥的故事，並不會以一個字面意義上的機械降神來收場。無論好壞，我們都還得繼續思考下去。

統計夫人與百科先生

讓我把話說得更精確一點。

在大多數學術系所裡，你都能找到兩種人物。一位我們可以稱她為統計夫人：她對數字運算無所不知。另一位我們可以稱他為百科先生：他讀過每一篇論文，而且能憑記憶背給你聽。現在的 AI，感覺就像讓你無限取用非常友善版本的統計夫人和百科先生。大型語言模型很會找論文；也非常會寫程式。那麼，它們不該讓研究計畫快上許多嗎？

嗯，一旦你擁有了無限的統計夫人和百科先生，你就會發現他們其實帶不了你走多遠。一來，你不能完全依賴統計夫人和百科先生，因為如果你自己一點統計都不會、也從不讀論文，你大概也不會有什麼有趣的想法。5 此外，雖然這對搭檔可以告訴你實驗是否已經有人做過、數據是否跑對了，但他們給不了你最重要的一項回饋：他們無法告訴你，你的點子是否很無聊。

事實上，當你把文獻回顧和邏輯斯迴歸的邊際成本降到零時，品味差就會變成死刑，因為你現在可以把所有時間都浪費在用嚴謹的方法去做愚蠢的計畫上。我以前就走過這條路，當時我和合作對象都沒有什麼好點子，於是我們就說：「好吧，那就先弄些資料來吧！」然後我們浪費好幾個月，一直在那邊「嗯，這些資料是什麼意思，好多數字，好神秘喔」，最後我們就不再開會，也忘了我們曾經一起做過什麼。這就是當你試圖用客觀手段去解決主觀問題時會發生的事。

我在博士班學到最重要的一件事，就是如何正確地感到無聊。新手要嘛覺得一切都很令人興奮，要嘛覺得一切都很無聊。只有大師才會對正確的事物感到無聊。就我那一點點品味而言，那是因為我花了五年時間讓我的指導教授感到無聊。最爛的點子會立刻讓他無聊，半吊子的點子幾小時後會讓他無聊，而最好的點子到現在都還沒讓他無聊。這種判斷一點也不客觀——你無法為它打分數（「他的眼神有多空洞？」），也無法透過專家小組來驗證，或訴諸群眾智慧。你真的就得一直讓一個老頭感到無聊，直到他叫你離開他的辦公室，而如果你做得夠多，最終你會開始比他更早感到無聊。

從我到光輝之海

我說這些，並不是因為我對 AI 這個概念過敏，也不是因為我只花了 15 分鐘隨便玩了一個模型，就盼著它出糗好去告狀。如果會說話的電腦真的說出很多迷人的話，我看不出有任何理由要對此編造一個善意的謊言。如果 AI 能治癒癌症、終結所有戰爭，我舉雙手贊成，即使那意味著我個人會失業。

當然，有可能某個突破會讓我所有的批評都煙消雲散，GPT-10 開始產出完美無瑕、聽起來像我但比我更好的部落格文章，然後我就得在口袋裡裝滿石頭、朝大海走去了。但如果那真的發生，那不會是今日趨勢的自然延續。那會是因為我們找到了某種方法，把那些模糊鬆軟的問題給硬化了。

然而在那之前，鬆軟的問題仍需要鬆軟的人類來解決。地球的規則，不像《卡坦島》的規則，似乎指明：再多的客觀智力，也換不到任何一點主觀智力。就像 Montaigne 早在 1580 年所說的，「我們或許能藉由他人的學問而變得博學，但人唯有靠自己的智慧才能變得有智慧」。擁有有史以來所有的學問，卻沒有屬於自己的智慧，會是什麼樣子？嗯，「身為一個大型語言模型……」